EstComp-Tarea3

library(tidyverse)

## Loading tidyverse: ggplot2
## Loading tidyverse: tibble
## Loading tidyverse: tidyr
## Loading tidyverse: readr
## Loading tidyverse: purrr
## Loading tidyverse: dplyr

## Conflicts with tidy packages ----------------------------------------------

## filter(): dplyr, stats
## lag():    dplyr, stats

library(knitr)
knitr::opts_chunk$set(
  comment = "#>",
  collapse = TRUE,
  fig.align = "center"
)
comma <- function(x) format(x, digits = 2, big.mark = ",")
theme_set(theme_minimal())

Introducción:

Es bien sabido que el otorgamiento de créditos es uno de los negocios más rentables para los bancos, es por ello que estos asignan mucho presupuesto a la generación de campañas para la colocación de estos dirigidas a clientes y no clientes de tal modo que el objetivo, en el primer caso, además de acrecentar el negocio también es incrementar la fildelidad del cliente con el banco y en el segundo caso hablamos de atraer nuevos clientes con ofertas crediticias atractivas. Entonces, para poder hacer una selección óptima tenemos que encontrar las características más importantes,de los clientes, relacionadas con la aceptación de un préstamo crediticio, además tomar en cuenta que sea solvente para poder pagarlo, de tal modo que podamos jerarquizar a cada uno de ellos con respecto a la posibilidad de que acepten la oferta y con ello lograr que la campaña sea exitosa en términos de tasa de aceptación y de costos. Dado lo anterior se plantean 8 preguntas buscando esas caraterísticas mencionadas,

la pregunta 1. busca saber quienes son los clientes que contratan las ofertas

la pregunta 2.- trata de ver una diferencia entre las poblaciones de clientes que responden y no.

la pregunta 3. trata de validar si hace sentido las carácteristicas de un grupo que se comporta distinto a los demás.

la pregunta 4- tratamos de ver que tan diferente son los comportamientos de los clientes en un banco vs. los del país para entender si podemos pensar de la misma forma en términos económicos.

la pregunta 5.- trata de identificar si el ciclo de vida de una persona repercute en la necesidad o gusto de responder a una campaña.

la pregunta 6.-es una consecuencia de la 5 para pensar en una variable que discrimine a los clientes que aceptan la oferta vs. los que no.

la pregunta 7.-llevamos la pregunta 6 a términos individuales para probar la relevancia de la variable # de productos.

la pregunta 8.- Ahora con un sumarizado por estado tratamos de buscar variables relevantes para la clasificación de los clientes y su parecido con lo que conocemos a nivel país.

Descripción de la base de datos:

La base es una muestra aleatoria de los clientes de un banco a quienes se les ha hecho una oferta de préstamos personales(créditos) a lo largo de un año, estas campañas se lanzaron por trimestre, no se cuenta con los meses de estas, el objetivo de la base es para clasificar quienes son los cientes que aceptan las ofertas. En General la base muestra variables financieras de los clientes casi todas vistas a 12,6,3 o 1 mes atrás como por ejemplo saldos de los clientes,gastos promedio, saldos de algunos otros créditos, estimaciones anuales de ingresos, etc y como variables categóricas se cuenta con datos como sexo, estado civil, estado de la república donde vive el cliente,clasificación del ciclo de vida de cliente, Ocupación etc. En particular la variable contrata es una variabe binaria que identifica aquellos clientes que aceptaron el préstamo con valor 1 0 en otro caso.

se anexa el layout de variables con su descripción por el número de variables sólo se deja parte d este que describe las variables que seusan en el análisis.

Metadata:

lay<- read_delim("/home/abraham/layout_cons.csv", ",", 
  escape_double = FALSE, trim_ws = TRUE) 
#> Parsed with column specification:
#> cols(
#>   Variable = col_character(),
#>   Descripcion = col_character(),
#>   `Registros no nulos` = col_integer(),
#>   `Tipo de dato` = col_character(),
#>   `%no nulos` = col_double()
#> )
kable(lay)

Variable	Descripcion	Registros no nulos	Tipo de dato	%no nulos
id2	ID	176330	int64	100.0
IM_MAX_SDO_MEDIO_12M	saldo máximo en los últimos 12 meses	176330	float64	100.0
IM_PROM_HIPOTECA_12M	importe promedio de pagos de hipoteca en los últimos 12 meses	176330	float64	100.0
IM_PROM_PREST_NOM_12M	importe promedio mensual de préstamos de nómina en los últimos 12 meses	176330	float64	100.0
IM_PROM_AUTO_12M	importe promedio de pagos de crédito auto en los últimos 12 meses	176330	float64	100.0
IM_PROM_PPIS_12M	importe promedio mensual de ppis en los últimos 12 meses	176330	float64	100.0
IM_PROM_OTRO_12M	importe promedio mensual de otros productos en los últimos 12 meses	176330	float64	100.0
IM_PROM_CARTERA_12M	promedio del saldo de créditos de los últimos 12 meses	176330	float64	100.0
IM_PROM_SDO_CORTE_12M	promedio mensual de saldos al corte de los últimos 12 meses	176330	float64	100.0
IM_PROM_SDO_MEDIO_12M	promedio mensual de saldos en los últimos 12 meses	176330	float64	100.0
IM_PROM_VISTA_12M	saldo promedio de captacion de los últimos 12 meses	176330	float64	100.0
IM_PROM_PLAZO_12M	importe promedio mensual en plazos en los últimos 12 meses	176330	float64	100.0
IM_PROM_FONDO_RF_12M	importe promedio del saldo en fondos de renta fija de los últimos 12 meses	176330	float64	100.0
IM_PROM_FONDO_RV_12M	importe promedio del saldo en fondos de renta variable de los últimos 12 meses	176330	float64	100.0
IM_PROM_FONDOS_AES_12M	importe promedio de saldos de fondos avanzados ,esenciales y selectos	176330	float64	100.0
IM_PROM_MERCADOS_12M	importe promedio de sados en productos de mercados cap, div, in	176330	float64	100.0
IM_PROM_ACTIVO_12M	importe promedio mensual de pagos a créditos en los últimos 12 meses	176330	float64	100.0
IM_PROM_VISTA_6M	saldo promedio de captacion de los últimos 6 meses	176330	float64	100.0
IM_PROM_PREST_CONSUMO_6M	importe promedio mensual de préstamos al consumo en los últimos 6 meses	176330	float64	100.0
IM_PROM_SDO_CORTE_3M	promedio mensual de saldos al corte de los últimos 3 meses	176330	float64	100.0
IM_SUM_SDO_CORTE_3M	suma de saldos a la fecha de corte de los últimos 3 meses	44634	float64	25.3
TO_MISS_SDO_CORTE_3M	número de veces que no se ha reportado el saldo al corte en los últimos 3 meses	176239	float64	99.9
IM_PROM_SDO_MEDIO_3M	promedio mensual de saldos en los últimos 3 meses	176330	float64	100.0
IM_PROM_VISTA_3M	saldo promedio de captacion de los últimos 3 meses	176330	float64	100.0
IM_PROM_NOMINA_3M	importe promedio de depósitos e nómina en los últimos 3 meses	176330	float64	100.0
IM_PROM_PREST_CONSUMO_3M	importe promedio mensual de préstamos al consumo en los últimos 3 meses	18554	float64	10.5
IM_SUM_FONDOS_AES_3M	suma de saldo promedio de fondos AES en los últimos 3 meses	2870	float64	1.6
TO_MISS_FONDOS_AES_3M	Número de veces que no se ha reportado el saldo de fondos AES en los últimos 3 meses	176239	float64	99.9
IM_SUM_SDO_MEDIO_3M	suma de saldos medios captación mensuales de los últimos 3 meses	176239	float64	99.9
TO_MISS_SDO_MEDIO_3M	número de veces que no se ha reportado el saldo medio en los últimos 3 meses	176239	float64	99.9
IM_SUM_ACTIVO_TOTAL_3M	suma de saldos de todos los créditos en los últimos 3 meses	47476	float64	26.9
TO_MISS_ACTIVO_TOTAL_3M	número de veces que el cte ha estado activo en los últimos 3 meses	176239	float64	99.9
IM_PROM_SDO_CORTE_1M	promedio mensual de saldos al corte del último mes	176330	float64	100.0
IM_PROM_SDO_MEDIO_1M	promedio mensual de saldos en el último mes	176330	float64	100.0
IM_PROM_ACTIVO_1M	importe promedio mensual de pagos a créditos en el último mes	176330	float64	100.0
IM_PROM_PREST_CONSUMO_1M	importe promedio mensual de préstamos al consumo en el último mes	176330	float64	100.0
IM_SUM_SDO_CORTE_1M	suma de saldos a la fecha de corte del último mes	44014	float64	25.0
TO_MISS_SDO_CORTE_1M	se ha reportado el saldo al corte n el último mes	173511	float64	98.4
IM_SUM_SDO_MEDIO_1M	suma de saldos medios captación mensuales de los último mes	173511	float64	98.4
TO_MISS_TO_SDO_MEDIO_1M	se ha reportado el saldo medio en el último mes	173511	float64	98.4
IM_SUM_IM_SDO_CORTE_2MA	saldo al corte 2 meses antes	43716	float64	24.8
TO_MISS_TO_SDO_CORTE_2MA	saldo al corte fue reportado hace 2 meses	169355	float64	96.0
IM_SUM_IM_SDO_MEDIO_2MA	saldo medio 2 meses antes	169355	float64	96.0
TO_MISS_TO_SDO_MEDIO_2MA	saldo medio fue reportado hace 2 meses	169355	float64	96.0
IM_COC_IM_FONDOS_AES_CAP_0_2	0	176330	float64	100.0
IM_COC_IM_SDO_CORTE_ACTIVO_0_2	0	176330	float64	100.0
IM_DELTA_IM_SDO_CORTE_0_2	delta de saldo al corte actual vs. Hace 2 meses	176330	float64	100.0
IM_DELTA_IM_SDO_MEDIO_0_2	delta de saldo medio actual vs. Hace 2 meses	176330	float64	100.0
IM_PROM_IM_CARGOS_12M	importe promedio de cargos de los últimos 12 meses	176330	float64	100.0
IM_PROM_IM_CARGOS_6M	importe promedio de cargos de los últimos 6 meses	176330	float64	100.0
IM_PROM_IM_CARGOS_3M	importe promedio de cargos de los últimos 3 meses	176330	float64	100.0
IM_PROM_IM_CARGOS_1M	importe promedio de cargos de los último mes	176330	float64	100.0
TO_PROM_TO_CARGOS_6M	promedio del numero de cargos en los últimos 6 meses	176330	float64	100.0
TO_PROM_TO_CARGOS_3M	promedio del numero de cargos en los últimos 3 meses	176330	float64	100.0
IM_PROM_IM_OPERS_TARJ_TDC_1M	importe promedio mensual de pagos con tdc en el último mes	176330	float64	100.0
IM_PROM_IM_OPERS_TARJ_TDC_3M	importe promedio mensual de pagos con tdc en los últimos 3 meses	176330	float64	100.0
TO_PROM_TO_OPERS_TARJ_TDC_3M	número de transacciones promedio mensuales hechas con TDC en los últimos 3 meses	176330	float64	100.0
IM_PROM_IM_OPERS_TARJ_TDC_6M	importe promedio mensual de pagos con tdc en los últimos 6 meses	176330	float64	100.0
TO_FONDOS_AES	número de fondos /avanzados/esenciales y selectos	176330	int64	100.0
TO_MERCADOS	número de productos de mercado de capitales/divisas/dinero	176330	int64	100.0
TO_PLAZO	cuenta con algún producto de inversión	176330	int64	100.0
TO_CTA_HIPOTECA	tiene algún crédito hipotecario vigente	176330	int64	100.0
TO_FONDO_RF	tiene fondos de renta fja	176330	int64	100.0
TO_FONDO_RV	tiene fondos de renta variable	176330	int64	100.0
TO_PREST_CONSUMO	númeo de préstamos contratados en el último año	176330	int64	100.0
TO_DELTA_TO_PREST_CONSUMO_0_2	delta del número de créditos al consumo en los último 3 meses	176330	float64	100.0
NU_REGULARIDAD_TDC_ULT_6M	Frecuencia mensual de uso de la tdc en los últimos 6 ,meses	176330	int64	100.0
IM_PROM_CUOTA_TOT_ULT_1M	importe promedio de cuota de tdc pagada en los último mes	19945	float64	11.3
IM_PROM_CUOTA_TOT_ULT_3M	importe promedio de cuota de tdc pagada en los últimos 3 meses	21206	float64	12.0
NU_VINC_BANCOMER	índice de fidelidad	176330	int64	100.0
NU_VINC_COGNODATA	Estimación de la fidelidad del cliente	176330	int64	100.0
TO_IR_AJUSTADO	estimación de ingresos anuales	176330	float64	100.0
TP_NIVEL_IR_AJUSTADO	nivel de ingresos anuales estimados	176330	object	100.0
IM_PROM_IM_NIBT_TOTAL_12M	rentabilidad promedio mensual del cte. en el útimo año	176330	float64	100.0
TO_RANGO_EDAD	Rango de edad del cliente	176330	int64	100.0
IM_PROM_GASTOS_1M	importe promedio de gastos en el último mes	176330	float64	100.0
IM_PROM_GASTOS_3M	importe promedio de gastos en los últimos 3 meses	176330	float64	100.0
TP_SEGMENTO_FINAL2	Segmento de ciclo de vida	176330	object	100.0
TP_SUBSEGMENTO	clasificación del cliente	176330	object	100.0
TO_NECESIDAD_FINAN_CAP_1M	Ratio de captación vs. Créditos en el último mes	176330	float64	100.0
TO_NECESIDAD_FINAN_CAP_3M	Ratio de captación vs. Créditos en los últimos 3 meses	176330	float64	100.0
TO_DELTA_NEC_FIN_CAP_0_2	delta de necesidad financiera con respecto a 3 meses anteriores	176330	float64	100.0
TP_PERSONA	Persona Física o moral	176330	object	100.0
TP_DOMICILIO	Tipo de domicilio	170545	object	96.7
CD_ESTADO	Estado del Cliente	172866	object	98.0
CD_EDO_CIVIL	estado civil	170208	object	96.5
CD_SEGMENTACION	segmento operativo	176327	object	100.0
CD_SEXO	sexo	175458	object	99.5
CD_OCUPACION	Ocupación	168222	object	95.4
CD_RESIDENCIA	País de Residencia	174903	object	99.2
TP_VIVIENDA_SEPO	tipo de vivienda	71989	object	40.8
contrata	variable de respuesta: 1 contrata y 0. e.o.c	176330	int64	100.0

******rangos******** TO_RANGO_EDAD :

if edad, <= 37 then rango_edad = 0; else if coalesce(edad,0) > 37 and coalesce(edad,0) <= 44 then rango_edad = 1; else if coalesce(edad,0) > 44 and coalesce(edad,0) <= 52 then rango_edad = 2; else if coalesce(edad,0) > 52 and coalesce(edad,0) <= 62 then rango_edad = 3; else rango_edad = 4;

TP_NIVEL_IR_AJUSTADO

case when 0 < ingreso_anual <= 50000.0 then ‘1_RENTA BAJA’ when ingreso_anual > 50000.0 and ingreso_anual <= 120000.0 then ‘2_RENTA MEDIA BAJA’ when ingreso_anual > 120000.0 and ingreso_anual <= 250000.0 then ‘3_RENTA MEDIA ALTA’ when ingreso_anual > 250000.0 and ingreso_anual < 450000.0 then ‘4_RENTA ALTA’ when ingreso_anual >= 450000.0 then ‘5_RENTA MUY ALTA’

---

Se cuenta con un dataset de 176,330 registros(ctes.) con 92 campos o variables donde existe una variable de identificación de clientes (id2) y una variable respuesta a modelar que es contrata la cual es una variable binaria donde 1 significa que el cte. acepta contratar un préstamo y 0 en otro caso.

Se cuenta con un dataset de 176,330 registros(ctes.) con 92 campos o variables donde existe una variable de identificación de clientes (id2) y una variable respuesta a modelar que es ‘contrata’ la cual es una variable binaria donde 1 significa que el cte. acepta contratar un préstamo y 0 en otro caso. La tasa de aceptación general es de 1.17%

cred<- read_delim("/home/abraham/multivsamp.csv", ";", 
  escape_double = FALSE, trim_ws = TRUE) 
#> Parsed with column specification:
#> cols(
#>   .default = col_double(),
#>   id2 = col_integer(),
#>   IM_PROM_OTRO_12M = col_integer(),
#>   IM_PROM_CARTERA_12M = col_integer(),
#>   IM_PROM_MERCADOS_12M = col_integer(),
#>   TO_MISS_SDO_CORTE_3M = col_integer(),
#>   TO_MISS_FONDOS_AES_3M = col_integer(),
#>   TO_MISS_SDO_MEDIO_3M = col_integer(),
#>   TO_MISS_ACTIVO_TOTAL_3M = col_integer(),
#>   TO_MISS_SDO_CORTE_1M = col_integer(),
#>   TO_MISS_TO_SDO_MEDIO_1M = col_integer(),
#>   TO_MISS_TO_SDO_CORTE_2MA = col_integer(),
#>   TO_MISS_TO_SDO_MEDIO_2MA = col_integer(),
#>   TO_FONDOS_AES = col_integer(),
#>   TO_MERCADOS = col_integer(),
#>   TO_PLAZO = col_integer(),
#>   TO_CTA_HIPOTECA = col_integer(),
#>   TO_FONDO_RF = col_integer(),
#>   TO_FONDO_RV = col_integer(),
#>   TO_PREST_CONSUMO = col_integer(),
#>   NU_REGULARIDAD_TDC_ULT_6M = col_integer()
#>   # ... with 16 more columns
#> )
#> See spec(...) for full column specifications.
#> Warning in rbind(names(probs), probs_f): number of columns of result is not
#> a multiple of vector length (arg 1)
#> Warning: 442 parsing failures.
#> row # A tibble: 5 x 5 col     row                  col               expected  actual expected   <int>                <chr>                  <chr>   <chr> actual 1  1435 IM_PROM_MERCADOS_12M no trailing characters  .82583 file 2  1781     IM_PROM_OTRO_12M no trailing characters     .89 row 3  2053 IM_PROM_MERCADOS_12M no trailing characters  .30083 col 4  2726     IM_PROM_OTRO_12M no trailing characters     .12 expected 5  2726  IM_PROM_CARTERA_12M no trailing characters .866667 actual # ... with 1 more variables: file <chr>
#> ... ................. ... ........................................................... ........ ........................................................... ...... ........................................................... .... ........................................................... ... ........................................................... ... ........................................................... ........ ........................................................... ...... .......................................
#> See problems(...) for more details.
datana<-is.na(cred)
cred[datana]<-0 

cred
#> # A tibble: 176,330 x 92
#>      id2 IM_MAX_SDO_MEDIO_12M IM_PROM_HIPOTECA_12M IM_PROM_PREST_NOM_12M
#>    <int>                <dbl>                <dbl>                 <dbl>
#>  1     1              1100.00                    0                 0.000
#>  2     5             22836.13                    0              2445.065
#>  3    16              5936.92                    0             90829.800
#>  4    17            541013.76                    0                 0.000
#>  5    62              5059.81                    0                 0.000
#>  6    64             39304.27                    0             63344.652
#>  7    68               677.29                    0                 0.000
#>  8    76                 0.00                    0                 0.000
#>  9    79             66232.62                    0                 0.000
#> 10   100             85668.20                    0                 0.000
#> # ... with 176,320 more rows, and 88 more variables:
#> #   IM_PROM_AUTO_12M <dbl>, IM_PROM_PPIS_12M <dbl>,
#> #   IM_PROM_OTRO_12M <dbl>, IM_PROM_CARTERA_12M <dbl>,
#> #   IM_PROM_SDO_CORTE_12M <dbl>, IM_PROM_SDO_MEDIO_12M <dbl>,
#> #   IM_PROM_VISTA_12M <dbl>, IM_PROM_PLAZO_12M <dbl>,
#> #   IM_PROM_FONDO_RF_12M <dbl>, IM_PROM_FONDO_RV_12M <dbl>,
#> #   IM_PROM_FONDOS_AES_12M <dbl>, IM_PROM_MERCADOS_12M <dbl>,
#> #   IM_PROM_ACTIVO_12M <dbl>, IM_PROM_VISTA_6M <dbl>,
#> #   IM_PROM_PREST_CONSUMO_6M <dbl>, IM_PROM_SDO_CORTE_3M <dbl>,
#> #   IM_SUM_SDO_CORTE_3M <dbl>, TO_MISS_SDO_CORTE_3M <dbl>,
#> #   IM_PROM_SDO_MEDIO_3M <dbl>, IM_PROM_VISTA_3M <dbl>,
#> #   IM_PROM_NOMINA_3M <dbl>, IM_PROM_PREST_CONSUMO_3M <dbl>,
#> #   IM_SUM_FONDOS_AES_3M <dbl>, TO_MISS_FONDOS_AES_3M <dbl>,
#> #   IM_SUM_SDO_MEDIO_3M <dbl>, TO_MISS_SDO_MEDIO_3M <dbl>,
#> #   IM_SUM_ACTIVO_TOTAL_3M <dbl>, TO_MISS_ACTIVO_TOTAL_3M <dbl>,
#> #   IM_PROM_SDO_CORTE_1M <dbl>, IM_PROM_SDO_MEDIO_1M <dbl>,
#> #   IM_PROM_ACTIVO_1M <dbl>, IM_PROM_PREST_CONSUMO_1M <dbl>,
#> #   IM_SUM_SDO_CORTE_1M <dbl>, TO_MISS_SDO_CORTE_1M <dbl>,
#> #   IM_SUM_SDO_MEDIO_1M <dbl>, TO_MISS_TO_SDO_MEDIO_1M <dbl>,
#> #   IM_SUM_IM_SDO_CORTE_2MA <dbl>, TO_MISS_TO_SDO_CORTE_2MA <dbl>,
#> #   IM_SUM_IM_SDO_MEDIO_2MA <dbl>, TO_MISS_TO_SDO_MEDIO_2MA <dbl>,
#> #   IM_COC_IM_FONDOS_AES_CAP_0_2 <dbl>,
#> #   IM_COC_IM_SDO_CORTE_ACTIVO_0_2 <dbl>, IM_DELTA_IM_SDO_CORTE_0_2 <dbl>,
#> #   IM_DELTA_IM_SDO_MEDIO_0_2 <dbl>, IM_PROM_IM_CARGOS_12M <dbl>,
#> #   IM_PROM_IM_CARGOS_6M <dbl>, IM_PROM_IM_CARGOS_3M <dbl>,
#> #   IM_PROM_IM_CARGOS_1M <dbl>, TO_PROM_TO_CARGOS_6M <dbl>,
#> #   TO_PROM_TO_CARGOS_3M <dbl>, IM_PROM_IM_OPERS_TARJ_TDC_1M <dbl>,
#> #   IM_PROM_IM_OPERS_TARJ_TDC_3M <dbl>,
#> #   TO_PROM_TO_OPERS_TARJ_TDC_3M <dbl>,
#> #   IM_PROM_IM_OPERS_TARJ_TDC_6M <dbl>, TO_FONDOS_AES <int>,
#> #   TO_MERCADOS <int>, TO_PLAZO <int>, TO_CTA_HIPOTECA <int>,
#> #   TO_FONDO_RF <int>, TO_FONDO_RV <int>, TO_PREST_CONSUMO <int>,
#> #   TO_DELTA_TO_PREST_CONSUMO_0_2 <dbl>, NU_REGULARIDAD_TDC_ULT_6M <int>,
#> #   IM_PROM_CUOTA_TOT_ULT_1M <dbl>, IM_PROM_CUOTA_TOT_ULT_3M <dbl>,
#> #   NU_VINC_BANCOMER <int>, NU_VINC_COGNODATA <int>, TO_IR_AJUSTADO <dbl>,
#> #   TP_NIVEL_IR_AJUSTADO <chr>, IM_PROM_IM_NIBT_TOTAL_12M <dbl>,
#> #   TO_RANGO_EDAD <int>, IM_PROM_GASTOS_1M <dbl>, IM_PROM_GASTOS_3M <dbl>,
#> #   TP_SEGMENTO_FINAL2 <chr>, TP_SUBSEGMENTO <chr>,
#> #   TO_NECESIDAD_FINAN_CAP_1M <dbl>, TO_NECESIDAD_FINAN_CAP_3M <dbl>,
#> #   TO_DELTA_NEC_FIN_CAP_0_2 <dbl>, TP_PERSONA <lgl>, TP_DOMICILIO <chr>,
#> #   CD_ESTADO <chr>, CD_EDO_CIVIL <chr>, CD_SEGMENTACION <chr>,
#> #   CD_SEXO <chr>, CD_OCUPACION <chr>, CD_RESIDENCIA <chr>,
#> #   TP_VIVIENDA_SEPO <chr>, contrata <int>

Pregunta 1.-Cuál es el Rango de Nivel de ingresos anuales(TP_NIVEL_IR_AJUSTADO) que más aceptaciones de las campañas tiene o más responde a estas campañas y por sexo quién contrata más? hombres o mujeres?

credc<-cred%>%filter(contrata==1) 
 ggplot(data=credc,aes(x=TP_NIVEL_IR_AJUSTADO,fill=CD_SEXO))+geom_bar(aes(y = ..count../sum(..count..)))+labs(y='percent')

Respuesta 1.-Los clientes que ganan entre 50 y 120 mil pesos anuales son los que más aceptan préstamos poco más del 35% de estos de acuerdo a la distribución por sexo podemos ver que los hombres son los que más aceptan los préstamos.

Pregunta 2.- Una de las hipótesis es que un cliente busca algún tipo de crédito cuando tiene muchos gastos o normalmente tiene un gasto mensual alto recurrente, de acuedo con esta hipótesis Para que segmentos de nivel de ingreso se cumple y para cuales no? Para responder esta pregunta pregunta vamos a usar la variable IM_PROM_IM_CARGOS_12M que significa el importe promedio mensual de cargos o pagos que ha hecho el cliente en el último año.

ggplot(data=cred)+geom_boxplot(aes(x=factor(contrata),y=log(abs(IM_PROM_IM_CARGOS_12M)+1)))+facet_wrap(~TP_NIVEL_IR_AJUSTADO)

Respuesta 2.-Los clientes que ganan más de 450mil pesos anuales (Renta muy alta) no tienen diferencia, en la distribución del gasto promedio mensual que hacen a lo largo de un año, entre los que aceptan o no un préstamo crediticio, es decir esta variable no discrimina entre los que contratan y no los préstamos crediticios para este segmento de nivel de ingresos, podemos ver que para los segmentos con ingresos menores de 450mil anuales sí se cumple la hipótesis planteada.

Pregunta 3.-Dado la respuesta 2 aquellos clientes que tienen ingresos de más de 450mil pesos se entendería que son los clientes con mayores ingresos y mayor liquidez(en términos bancarios esto significa que se tiene más saldo de cuentas de captación que saldos de crédito), para aquellos clientes que aceptan los préstamos está relación es evidente? la edad y el estado civil influyen? si no se da la relación esperada que podemos concluir? Para revisar la liquidez de los clientes vamos a utilizar la variable TO_NECESIDAD_FINAN_CAP_3M que muestra la liquidez del cliene en los últimos 3 meses y la estimación de ingresos numérica vamos a usar TO_IR_AJUSTADO, el estado civil(C,S) casado y soltero y para la edad TO_RANGO_EDAD rangos de edad descritos al principio y sólo analizaremos a aquellos que aceptan las ofertas de préstamos.

library(Hmisc)
#> Loading required package: lattice
#> Loading required package: survival
#> Loading required package: Formula
#> 
#> Attaching package: 'Hmisc'
#> The following objects are masked from 'package:dplyr':
#> 
#>     combine, src, summarize
#> The following objects are masked from 'package:base':
#> 
#>     format.pval, round.POSIXt, trunc.POSIXt, units
cred5<-cred%>%filter(TP_NIVEL_IR_AJUSTADO=='5_RENTA_MUY_ALTA')%>%filter(CD_EDO_CIVIL %in% c('C','S'))%>%filter(contrata==1)
ggplot(data=cred5,aes(x=log(TO_NECESIDAD_FINAN_CAP_3M+1),y=log((TO_IR_AJUSTADO/4.0)+1)))+geom_point()+geom_smooth(method='lm')+facet_grid(CD_EDO_CIVIL~factor(TO_RANGO_EDAD))
#> Warning in log(TO_NECESIDAD_FINAN_CAP_3M + 1): Se han producido NaNs

#> Warning in log(TO_NECESIDAD_FINAN_CAP_3M + 1): Se han producido NaNs

#> Warning in log(TO_NECESIDAD_FINAN_CAP_3M + 1): Se han producido NaNs
#> Warning: Removed 4 rows containing non-finite values (stat_smooth).
#> Warning: Removed 4 rows containing missing values (geom_point).

Respuesta 3.- Primero los segmentos que muestran una relación positiva de las variables son clientes solteros entre 37 y 44 años así como aquellos solteros de entre 52 y 62 años, los datos más extraños se presentan en clientes casadosde más de 52 años(rangos 3 y 4) donde se puede ver que a mayor liquidez menor es la estimación de ingresos anuales, esto nos lleva a pensar que esta estimación anual quizás no está bien calculada para estos clientes.

Pregunta 4.-Cuales son los estados con mayor estimación de ingresos anuales promedio entre los que contratan y no los créditos, se parece a la realidad del País?

credo<-cred%>%filter(CD_ESTADO!='0')
ggplot(credo,aes(x=CD_ESTADO, y=TO_IR_AJUSTADO,fill=factor(contrata))) + stat_summary(fun.y=mean, geom="bar")+coord_flip()+facet_wrap(~factor(contrata))       

Respuesta 4.- Podemos observar, para el caso de los clientes que no contratan, que Nuevo León , Jalisco,Sinaloa y Aguascalientes son los estados con mayor estimación de ingresos promedio, mientras ques estados como Tlaxcala(TL), Querétaro, Baja California y Chiapas son los que menor estimación de ingresos promedio tienen con excpeción de Baja california el resto son estados con niveles socioeconómicos menores que los del norte. Para el caso del universo que acepta la campaña, los estados con mayor promedio de ingreso estimado anual son: Tabasco,Guerrero,Coahuila y DF

Pregunta 5.- Cuál es el número de productos en promedio que se tienen por ciclo de vida, y cual es el porcentaje de contrataciones por cada segmento

library(knitr)
ciclo<-select(cred,TP_SEGMENTO_FINAL2,NU_VINC_COGNODATA,contrata)%>%group_by(TP_SEGMENTO_FINAL2)%>%summarise(prods=mean(NU_VINC_COGNODATA),pct_contrata=mean(contrata)*100)%>%arrange(desc(pct_contrata))
kable(ciclo,caption = '# de Productos y % de contratos por ciclo de vida')

# de Productos y % de contratos por ciclo de vida

TP_SEGMENTO_FINAL2	prods	pct_contrata
HOGARES CON HIJOS	4.056717	1.9048298
PAREJAS ADULTAS	2.767143	1.4830670
DIVORCIADO	3.102513	1.4758676
PAREJAS SENIOR	2.693454	1.4479638
JOVEN PROFESIONAL	2.608986	1.3198240
PAREJA JOVEN	2.728391	1.2750185
ADULTOS INDEPENDIENTES	2.261122	0.9964919
ADULTO EN PLENITUD	2.084818	0.9515324
SIN SEGMENTO	1.122197	0.9431985
RETIRADOS	2.056562	0.7308548
JOVEN TRABAJADOR	1.589156	0.4306126
JOVEN DESOCUPADO	1.417655	0.2635046
INFANTIL	1.099584	0.0000000
SIN_EDAD	1.157254	0.0000000

Respuesta 5.- En este caso podemos observar que el segmento con mayor número de productos en el banco son los hogares con hijos que sigifica que un cliente tiene al menos 1 hijo, y vive en familia, entonces podemos observar que estos tienen en promedio 4 productos en el banco(prods) lo cual hace mucho sentido ya que se entiende que un jefe(a) de familia diversifique más su portafolio de productos, y además también la tasa de contratación de este segmento es la mayor(1.9%), observando la tabla parece que existe una relación positiva entre el número de productos y la tasa de aceptación de la campaña….

Pregunta 6.- Podemos confirmar la relación entre # de productos y tasa de aceptación…

library(plotly)
#> 
#> Attaching package: 'plotly'
#> The following object is masked from 'package:Hmisc':
#> 
#>     subplot
#> The following object is masked from 'package:ggplot2':
#> 
#>     last_plot
#> The following object is masked from 'package:stats':
#> 
#>     filter
#> The following object is masked from 'package:graphics':
#> 
#>     layout
p<-ggplot(data=ciclo,aes(x=prods,y=pct_contrata,color=TP_SEGMENTO_FINAL2))+geom_point(aes(size=1))
ggplotly(p)
#> We recommend that you use the dev version of ggplot2 with `ggplotly()`
#> Install it with: `devtools::install_github('hadley/ggplot2')`

Respuesta 6.- es claro en la gr[afica que existe una relación entre el promedio de productos por segmento y la tasa de aceptación, entonces este es un indicio de que el número de productos puede discriminar a los clientes que aceptana o no los préstamos.

Pregunta 7.-Podemos asegurar que a mayor número de productos tenga un cliente, es más propenso a aceptar un préstamo crediticio?

ggplot(data=cred,aes(x=factor(contrata),y=NU_VINC_COGNODATA))+geom_boxplot()+facet_wrap(~TP_SEGMENTO_FINAL2)

Respuesta 7.-En caso de hacer un modelo para clasificar a los clientes que contratan está variable sería claramente relevante porque casi en todos los segmentos hace diferencia la distribución entre los que contratan y los que no. Claramente los segmentos “SIN_EDAD” e “INFANTIL” no tienen contrataciones y esto se explica por que un cliente menor de edad no puede tener un préstamo de crédito y el segmento que no tiene las edades es porque son en su Mayoría personas Morales entonces estos no pueden contratar préstamos personales para físicos, ahora bien hemos entonces encontrado que podemos trabajar con un subconjunto de la base quitando estos 2 segmentos.

Pregunta 8.- Cuál es el estado de la república con mayor número de préstamos activos promedio hay en el momento que se les ofrece la campaña? es más probable que se acepté un préstamo dado que se tiene uno vigente?,Cuál es la relación entre los ingresos promedio por estado y los gastos promedio mensuales por individuo por estado?,Cuál es la relación de la inactividad de los clientes en los últimos 3 meses y las contrataciones de préstamos por estado?

ocup<-select(cred,CD_ESTADO,NU_VINC_COGNODATA,contrata,TO_IR_AJUSTADO,TO_NECESIDAD_FINAN_CAP_3M,IM_PROM_IM_CARGOS_12M,TO_MISS_ACTIVO_TOTAL_3M,TO_PREST_CONSUMO)%>%group_by(CD_ESTADO)%>%summarise(prods=mean(NU_VINC_COGNODATA),ingresos=mean(TO_IR_AJUSTADO),pct_contrata=mean(contrata)*100,liquidez=mean(TO_NECESIDAD_FINAN_CAP_3M),gastos=mean(IM_PROM_IM_CARGOS_12M),num_prestamos=mean(TO_PREST_CONSUMO),inactividad=mean(TO_MISS_ACTIVO_TOTAL_3M))%>%arrange(desc(pct_contrata))%>%arrange(desc(num_prestamos))%>%filter(CD_ESTADO!=0)
kable(ocup)

CD_ESTADO	prods	ingresos	pct_contrata	liquidez	gastos	num_prestamos	inactividad
TA	2.766300	205482.3	1.4587675	416.60068	17183.941	0.2075022	2.090801
CA	2.849534	223187.6	1.4647137	334.44976	18239.220	0.1970706	2.097869
BS	2.868276	220783.9	1.3793103	401.40687	17624.917	0.1779310	2.095862
VE	2.575113	237294.4	1.2345679	1400.54355	18713.717	0.1548710	2.147170
OA	2.448314	201188.3	1.6672842	42881.96170	14084.183	0.1515376	2.158948
EM	2.761812	231615.6	1.4247069	25177.87173	17715.383	0.1477006	2.034130
HI	2.543860	217243.5	1.1601585	1915.58903	15903.409	0.1448783	2.153367
CU	2.504078	288670.9	1.6310337	575.10343	24071.758	0.1399603	2.142605
CH	2.614344	215789.4	1.2153372	2713.70188	18635.711	0.1395070	2.130264
TM	2.541985	291075.1	1.4282197	9980.95324	22062.328	0.1388820	2.065747
AG	2.640737	300852.8	0.8700102	2781.44263	24127.982	0.1381781	2.047083
QU	2.768670	295439.9	1.1376896	321.66023	23411.227	0.1368145	2.047841
CS	2.326656	193886.2	1.2326656	766.89651	14971.675	0.1355932	2.261685
SO	2.487058	217885.5	1.5411974	3380.84069	17239.510	0.1347560	2.226833
SL	2.613037	289182.3	0.6588072	1330.82649	21650.177	0.1310680	2.056172
NL	2.754930	554169.7	1.5354509	7538.02938	48561.579	0.1273521	1.927292
DU	2.287065	239946.7	1.6330039	148.63240	18181.732	0.1272024	2.245810
CO	2.506506	247184.5	0.7007007	108.57206	21374.205	0.1271271	2.167167
BN	2.571551	174233.0	1.2025425	8590.21628	12850.926	0.1266105	2.157189
PU	2.500205	213592.4	1.0814511	5062.60126	16023.825	0.1245722	2.216290
MO	2.637072	299525.0	1.5591165	10574.06096	24939.224	0.1229970	2.104807
QR	2.424872	155941.6	1.3287905	-52.78317	11151.717	0.1168654	2.201363
GU	2.492115	281318.6	1.0982822	22722.33365	21919.445	0.1146156	2.154886
ZA	2.300317	215224.3	1.0402533	193.23821	16037.017	0.1135233	2.231117
JA	2.683531	553094.1	1.0894709	2420.51306	50908.256	0.1128274	2.077532
GO	2.190204	175580.4	0.8112981	824.10488	11705.042	0.1114784	2.252103
YU	2.254312	192401.9	1.0483598	3707.08671	12748.395	0.1099087	2.220494
SI	2.533035	356204.2	0.9291122	846.72308	33276.606	0.1018582	2.109773
DF	2.480525	276192.1	0.8572972	3004.71183	22330.593	0.1015593	2.153200
MI	2.458737	263825.0	0.9397944	2821.47952	22037.793	0.1013216	2.188987
TL	2.068603	143855.5	0.7416564	435.95734	9858.343	0.0988875	2.359085
Respuestas 8	.- Como vem	os n la tab	la Tabasco es e	l estado con m	ás préstamos	vigentes con 0.	2 préstamos en promedio por cliente.

es más probable que se acepté un préstamo dado que se tiene uno vigente?

g<-ggplot(data=ocup,aes(x=num_prestamos,y=pct_contrata))+geom_point(aes(color=CD_ESTADO))+geom_smooth(method='loess')
ggplotly(g)
#> We recommend that you use the dev version of ggplot2 with `ggplotly()`
#> Install it with: `devtools::install_github('hadley/ggplot2')`

No existe una relación muy clara que a mayor número de préstamos se dé una mayor aceptación del crédito, no hay una relacion lineal clara en los datos

Cuál es la relación entre los ingresos promedio por estado y los gastos promedio mensuales por individuo por estado?

g<-ggplot(data=ocup,aes(x=ingresos,y=gastos))+geom_point(aes(color=CD_ESTADO))+geom_smooth(method='lm')
ggplotly(g)
#> We recommend that you use the dev version of ggplot2 with `ggplotly()`
#> Install it with: `devtools::install_github('hadley/ggplot2')`

La relación es casi perfecta el que más gana más gasta

Cuál es la relación de la inactividad de los clientes en los últimos 3 meses y las contrataciones de préstamos por estado?

g<-ggplot(data=ocup,aes(x=inactividad,y=pct_contrata))+geom_point(aes(color=CD_ESTADO))+geom_smooth(method='loess')
ggplotly(g)
#> We recommend that you use the dev version of ggplot2 with `ggplotly()`
#> Install it with: `devtools::install_github('hadley/ggplot2')`

Aunque no es muy claro, parece que la tendencia se carga más a pensar que a mayor inactividad hay menor % de contrataciones por estado.